PAT++: a cautionary tale about generative visual augmentation for Object Re-identification
本文提出 PAT++ 流程,将扩散自蒸馏引入部件感知 Transformer,并在 Urban Elements ReID Challenge 数据集上验证生成式视觉增强对目标重识别的影响,发现因域偏移和身份特征丢失导致性能持续下降,揭示了生成模型在细粒度识别任务中的关键局限。
2025-07-19 cs.CV
Thinking Before Matching: A Reinforcement Reasoning Paradigm Towards General Person Re-Identification
Sun Yat-sen University(中山大学);Alibaba Cloud Computing(阿里巴巴云 computing)
本文提出ReID-R范式,通过引入链式推理提升人物重识别的识别能力与泛化性,在多个基准测试中表现出色。
2026-04-21 cs.CV
Unlearnable Faces: Privacy Protection Surviving Extraction Pipeline
Chung-Ang University(中央大学)
研究如何防止公开照片被人脸识别模型学习,提出LPID方法,将提取纳入不可学习示例目标,优化扰动并限制在面部区域,使攻击者准确率低,在多种评估设置下表现优且保持不可察觉。
2026-07-08 cs.CV
Probing Identity-Specific Motion Signatures: A Controlled Diagnostic Study
The Ohio State University(俄亥俄州立大学);Boston University(波士顿大学)
研究身份识别中运动线索作用,通过对120名篮球运动员罚球的BALLER120基准研究发现,现代视频模型常依赖静态外观线索,抑制外观后会转向运动微模式,身份特定运动特征可学习但易被忽视。
2026-07-07 cs.CV
Face2QR: A Unified Framework for Aesthetic, Face-Preserving, and Scannable QR Code Generation
Shanghai Jiao Tong University(上海交通大学)
针对现有美学二维码生成融入人脸时易牺牲视觉或可扫描性的问题,提出Face2QR统一框架,通过IDQR、IDRS、IDSE三个创新组件,实现兼具美学、人脸保留与可扫描性的个性化二维码生成,性能优于现有方法。
2024-11-28 cs.CV
Omni-MMSI: Toward Identity-attributed Social Interaction Understanding
University of Texas at Dallas(德克萨斯大学达拉斯分校);Georgia Institute of Technology(佐治亚理工学院);University of California, Santa Cruz(加州大学圣克鲁兹分校);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出Omni-MMSI任务,要求从原始音频、视觉和语音输入中全面理解社会互动,通过身份属性的社会线索识别与推理,提升AI助手对人类互动的感知与响应能力。
2026-03-31 cs.CV
Fursee: Hybrid YOLO-DINOv3 Framework for Fursuit Identity Retrieval and Clustering
Shandong University(山东大学)
针对毛装照片人工分类成本高的问题,提出三阶段混合框架Fursee,结合YOLO检测裁剪、ArcFace优化DINOv3嵌入和DBSCAN自动聚类,在检索与聚类任务上超越GPT5.5等主流多模态模型。
2026-06-23 cs.CV
Diffusion-Driven Deceptive Patches: Adversarial Manipulation and Forensic Detection in Facial Identity Verification
本文提出了一种基于扩散模型的对抗性补丁生成与检测方法,通过FGSM和ViT-GPT2模型提升对抗性攻击的隐蔽性与有效性,并实现了高SSIM的检测性能。
2026-01-14 cs.AI cs.CV
Collaborative Face Experts Fusion in Video Generation: Boosting Identity Consistency Across Large Face Poses
Shanghai Jiao Tong University(上海交通大学);Tencent Youtu Lab(腾讯优图实验室);National University of Singapore(新加坡国立大学)
本文提出协作面部专家融合方法,通过动态融合身份、语义和细节专家信号,提升大姿态下视频生成的身份一致性,并构建了大规模姿态标注数据集。
2025-12-05 cs.CV
Self-supervised Data Bootstrapping for Deep Optical Character Recognition of Identity Documents
Friedrich Schiller University Jena(耶拿弗里德里希·席勒大学)
在机场和国家边界核查个人身份的基本任务非常耗时。为了加速它,由于身份证件(ID)中的文本内容的高度可变性,使用字典对ID进行光学字符识别是不合适的,例如,街道名称或姓氏。此外,ID中使用的字体的属性也是未知的。因此,我们提出了一个迭代的自我监督的自举方法,使用智能策略挖掘真正的字符数据的身份证。与合成生成的字符数据相结合,使用真实数据来训练用于字符分类的有效卷积神经网络,其服务于实际运行时间以及高精度。在具有74个字符类的数据集上,我们实现了99.4%的平均类准确率。相比之下,如果我们应用仅使用合成数据训练的分类器,则准确率降低到58.1%。最后,我们表明,我们提出的整个管道优于一个既定的开源框架
2019-08-12 cs.CV cs.LG
FLUX-Makeup: High-Fidelity, Identity-Consistent, and Robust Makeup Transfer via Diffusion Transformer
Nanjing University of Science and Technology(南京理工大学);AI Research(360人工智能研究院);Beijing University of Aeronautics and Astronautics(北京航空航天大学)
FLUX-Makeup提出一种无需辅助人脸控制组件的扩散Transformer妆容迁移框架,通过源图像原生条件输入和RefLoRAInjector特征注入器,结合高质量数据生成流水线,实现高保真、身份一致且鲁棒的妆容迁移,性能达到最先进水平。
2025-08-07 cs.CV
Identity-GRPO: Optimizing Multi-Human Identity-preserving Video Generation via Reinforcement Learning
Alibaba Group(阿里巴巴集团);Fudan University(复旦大学)
Identity-GRPO通过强化学习优化多人类身份保持的视频生成,显著提升一致性指标。
2026-01-30 cs.CV
ID-Animator: Zero-Shot Identity-Preserving Human Video Generation
University of Science and Technology of China(中国科学技术大学);Hefei Institute of Physical Science, Chinese Academy of Sciences(中国科学院合肥物质科学研究院);LightSpeed Studios, Tencent(腾讯天美工作室)
提出零样本方法ID-Animator,通过面部适配器与面向身份的数据集构建流水线及随机参考训练策略,仅需单张参考图像即可生成高保真且保持身份的个性化人体视频,并具备高度兼容性与可扩展性。
2024-06-25 cs.CV
Topological summaries of fingerprint ridge patterns carry identity information
Williams College(威廉姆斯学院);QSIDE Institute(QSIDE研究所);University of Colorado Boulder(科罗拉多大学博尔德分校);San Francisco State University(旧金山州立大学);Michigan State University(密歇根州立大学);Macalester College(麦卡莱斯特学院)
本文利用持续同调性提取指纹脊线环的多尺度拓扑摘要,无需细节点检测,在FVC2000 DB1上验证方法达到0.91 AUC,融合最优传输方法在低误接受率下表现最佳。
2026-06-23 cs.CV stat.AP
SCHIGAND: A Synthetic Facial Generation Mode Pipeline
School of Electronics and Computer Science, University of Southampton(南安普顿大学电子与计算机科学学院)
SCHIGAND通过集成多种生成模型,生成高质量可控的合成面部数据集,用于生物识别测试,解决了真实感、多样性和身份保持之间的平衡问题。
2026-01-23 cs.CV cs.CY
Identity as Presence: Towards Appearance and Voice Personalized Joint Audio-Video Generation
Tencent Inc.(腾讯公司);Peking University(北京大学)
本文提出一个统一的框架,实现身份感知的音频视频生成,通过数据整理管道和灵活的身份注入机制,提升生成内容的高保真度和一致性。
2026-08-10 cs.CV
Vanast: Virtual Try-On with Human Image Animation via Synthetic Triplet Supervision
Seoul National University(首尔国立大学)
Vanast通过统一框架直接从单张人体图像、服装图像和姿态引导视频生成服装转移的人形动画视频,解决传统两阶段流程导致的身份漂移、服装扭曲和前后不一致问题。
2026-04-06 cs.CV
ConsID-Gen: View-Consistent and Identity-Preserving Image-to-Video Generation
Texas A&M University(德克萨斯大学);eBay Inc.(eBay公司)
ConsID-Gen通过视图辅助生成框架提升图像到视频生成的视图一致性和身份保持性。
2026-02-10 cs.CV
StoryTailor:A Zero-Shot Pipeline for Action-Rich Multi-Subject Visual Narratives
College of Computer Science, Northwest University(计算机科学学院,西北大学)
StoryTailor通过零样本方法生成动作丰富的多主体视觉叙事,结合GCA、AB-SVR和SFC模块提升动作忠实性和跨帧连续性,实验显示其在多个指标上优于基线方法。
2026-03-06 cs.CV
DiffSwap++: 3D Latent-Controlled Diffusion for Identity-Preserving Face Swapping
UNC Charlotte(北卡罗来纳大学夏洛特分校)
本研究提出DiffSwap++,一种融入3D人脸潜在特征的扩散人脸交换方法,可在保留源身份的同时维持目标姿态表情,在多数据集实验及评估中性能优于现有方法。
2026-08-25 cs.CV
Lesion-centered 3D mapping of colonoscopy procedures: validation of a hierarchical ensemble pipeline on public benchmark videos
KAIST(韩国科学技术院);Clinical Imaging Research Institute(临床影像研究所);Hokkaido University(北海道大学);CHA University(嘉泉大学)
本研究提出并验证了一个四层病灶中心的分层流程,在无需全结肠三维重建的情况下,利用公开视频实现了回访检测、病灶身份合并和局部三维重建,并优于通用基础模型。
2026-09-16 cs.CV
No Way To Steal My Face: Proactive Defense Against Identity-Preserving Personalized Generation
Nanjing University of Information Science and Technology(南京信息工程大学)
针对扩散模型个性化生成的人脸隐私问题,提出可防御两类个性化方法的IDGuardian框架,通过破坏身份提取与注入阶段实现身份保护,且具备鲁棒性与泛化性。
2026-10-14 cs.CR cs.CV
IFaceUV: Intuitive Motion Facial Image Generation by Identity Preservation via UV map
Ulsan National Institute of Science and Technology (UNIST)(蔚山国立科学技术院)
本文提出完全可微的 IFaceUV 人脸重现流程,联合 3DMM、UV 图细化渲染与二维图像扭曲,并通过编辑网络融合结果,在身份保持及音频驱动任务上优于现有方法。
2023-06-08 cs.CV
Safeguarding Facial Identity against Diffusion-based Face Swapping via Cascading Pathway Disruption
MoE Key Laboratory of Information Technology, Sun Yat-sen University, Guangzhou, China(信息科技教育部重点实验室,中山大学,广州,中国);State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou, China(数学工程与先进计算国家重点实验室,郑州,中国)
VoidFace通过级联路径破坏技术,有效防御基于扩散模型的面部交换攻击,提升身份安全性。
2026-01-21 cs.CV
Lipschitz-Driven Noise Robustness in VQ-AE for High-Frequency Texture Repair in ID-Specific Talking Heads
RUC(中国人民大学)
针对身份特定说话头像生成中的高频纹理与噪声问题,论文基于 Lipschitz 理论证明 VQ-AE 的噪声鲁棒性上界,并提出即插即用的 SOVQAE 及 Wav2Lip 级联流水线,实现实时、低成本的 SOTA 去噪与唇形同步。
2025-06-08 cs.CV
Diff-ID: Identity Consistent Facial Image Generation and Morphing via Diffusion Models
University of Surrey(萨里大学);Jiangnan University(江南大学)
研究针对面部图像合成中高分辨率下身份保持难题,提出Diff-ID框架,通过自定义数据集、集成嵌入及新损失函数实现,实验表明其在身份-真实感权衡上表现出色,还展示了基于DDIM的变形管道,强调联合评估身份保持与真实感。
2026-07-29 cs.CV
Swapping Faces, Saving Features: A Dual-Purpose Pipeline for Pedestrian Privacy in ITS
C-DRiVeS Lab: Cognitive Driving Research in Vehicular Systems(C-DRiVeS实验室:车辆系统中的认知驾驶研究);Computer Science and Engineering Department - Faculty of Media Engineering and Technology - German University in Cairo(计算机科学与工程系 - 媒体工程与技术学院 - 开罗德国大学)
研究针对智能交通系统中行人隐私保护问题及数据集安全风险,提出五阶段管道,通过面部交换保护隐私并保持面部属性,评估 Roop 和 Ghost-v2 模型,发现 Roop 更优,可用于管道平衡隐私与数据可用性。
2026-07-10 cs.AI cs.CV cs.RO
FaceMe: Robust Blind Face Restoration with Personal Identification
Nankai University(南开大学);Samsung Research, China, Beijing (SRC-B)(三星研究院中国北京(SRC-B));Samsung Electronics(三星电子);NKIARI(南开大学人工智能研究院)
本文提出基于扩散模型的 FaceMe,利用身份编码器从单张或少量参考图像提取身份特征以引导复原,实现高质量、身份一致且无需微调的鲁棒盲人脸复原。
2025-01-10 cs.CV
SOMA: Unifying Parametric Human Body Models
NVIDIA
SOMA通过三层抽象层统一不同人体模型的表示,解决兼容性问题,提升重建、动画和模拟效率。
2026-03-17 cs.AI cs.CV
IDDM: Identity-Decoupled Personalized Diffusion Models with a Tunable Privacy-Utility Trade-off
The Hong Kong Polytechnic University(香港理工大学)
本文提出IDDM模型,通过在个性化流程中集成身份解耦,实现授权个性化的同时降低公开生成的身份可链接性,可调隐私-效用权衡。
2026-06-07 cs.CV
Capture, Canonicalize, Splat: Zero-Shot 3D Gaussian Avatars from Unstructured Phone Images
Meta
提出零样本流水线,从非结构化手机图像生成超逼真3D头像,通过生成式规范化和Transformer模型在真实穹顶捕获数据上训练,解决几何不一致和细节缺失问题。
2025-10-27 cs.CV cs.GR
Keyframe-Anchored Identity Preservation for Sequential-Action Video Generation
University of Science and Technology of China(中国科学技术大学)
针对身份保留文本到视频生成任务中主体身份保持和动作执行的挑战,提出无训练三阶段管道框架,包括动作感知提示优化、身份保留生成和身份感知推理增强,该方法在官方排行榜上排名第三,性能和通用性强。
2026-07-21 cs.CV cs.MM
3DXTalker: Unifying Identity, Lip Sync, Emotion, and Spatial Dynamics in Expressive 3D Talking Avatars
University of New South Wales(新南威尔士大学);Australian National University(澳大利亚国立大学);Vertex Lab(Vertex实验室);University of Technology Sydney(悉尼科技大学)
本文提出3DXTalker,通过数据精选的身份建模、音频丰富表示和空间动态可控性,统一实现身份、唇部同步、情绪和空间动态,提升3D对话虚拟角色的表达性。
2026-10-14 cs.CV
Towards High-Fidelity, Identity-Preserving Real-Time Makeup Transfer: Decoupling Style Generation
针对现有妆容迁移方法存在身份偏移、无实时能力及时序一致性差的问题,提出将妆容迁移解耦为透明掩膜提取与图形学渲染两步的框架,搭配专用训练目标,在细节保留、时序稳定和身份保留上优于现有基准,可实现实时试妆。
2025-09-04 cs.CV
Expression-Diverse References for Identity-Preserving Video Generation
Institute for Creative Technologies, University of Southern California(南加州大学创意技术研究所)
该研究针对身份保留视频生成中表情变化导致的身份表征不足问题,构建表情多样化参考集并扩展Stand-In模型,在受控基准上显著提升了不同表情强度下的身份相似度。
2026-10-09 cs.CV
BeyondFacial: Identity-Preserving Personalized Generation Beyond Facial Close-ups
DIDS, NUDT, China(国防科技大学);TJU, China(天津大学);Unit 32010 of the Chinese PLA(中国解放军第三二零一零单位)
本文提出了一种突破面部特写限制的IPPG方法,通过双线推断和身份自适应融合策略,提升身份保真度和场景语义生成能力。
2025-11-21 cs.CV
GCA-3D: Towards Generalized and Consistent Domain Adaptation of 3D Generators
Zhejiang University(浙江大学);Alibaba Group(阿里巴巴集团);Fabu Inc.(飞步科技)
针对3D生成器领域自适应中数据生成流程繁琐及单样本图像引导泛化性差的问题,提出GCA-3D方法,利用多模态深度感知分数蒸馏采样损失和分层空间一致性损失,实现非对抗的高效适配,显著提升了效率、泛化性、姿态准确性和身份一致性。
2024-12-20 cs.CV
Who Remains, What Changes: Identity Anchored Composed Gait Retrieval
Beijing University of Posts and Telecommunications(北京邮电大学);Huazhong University of Science and Technology(华中科技大学)
本文提出组合步态检索(CoGR)新任务,构建了首批步态-语言数据集,提出基于身份锚定的ComposeGait框架,在两个基准上取得最优R@1,为CoGR提供强基线。
2026-09-02 cs.CV
HiFi-Portrait: Zero-shot Identity-preserved Portrait Generation with High-fidelity Multi-face Fusion
Nanjing University(南京大学);Dalian University of Technology(大连理工大学);Nanjing University of Information Science and Technology(南京信息科技大学)
HiFi-Portrait通过高保真多脸融合技术实现零样本身份保留肖像生成,提升了面部相似性和可控性,同时兼容SDXL工作。
2025-12-16 cs.CV
Image Quality Assessment of Identity Cards Using Measures from Open Face Image Quality
da/sec - Biometrics and Internet Security Research Group, Hochschule Darmstadt(达姆施塔特应用科学大学生物识别与互联网安全研究组)
本文通过将OFIQ标准中的捕获相关质量度量应用于身份证图像,提出一种预处理流程,并分析这些度量与三种呈现攻击检测算法性能的相关性,表明基于某些OFIQ度量的质量评估可显著提升PAD性能。
2026-06-25 cs.CR cs.CV
Face2Diffusion for Fast and Editable Face Personalization
The University of Tokyo(东京大学)
针对现有文生图扩散模型人脸个性化方法过拟合导致难以兼顾身份相似度与可编辑性的问题,提出含多尺度身份编码器等三个组件的Face2Diffusion方法,显著优化了身份与文本保真度的权衡。
2024-03-08 cs.CV
Envisage: Diffusion-Based Rhinoplasty Goal Visualization with Mask-Decomposed Evaluation
University of Washington(华盛顿大学);University of Washington School of Medicine(华盛顿大学医学院);Department of Otolaryngology–Head and Neck Surgery(耳鼻喉科–头颈外科部门)
提出Envisage扩散修复管线,从单张正面照片可视化鼻整形目标,并引入SurgicalScore掩码分解协议评估局部编辑质量,克服全脸身份指标在硬合成编辑下的混淆。
2026-06-26 cs.CV cs.LG eess.IV
Vorch-IR: Long-Form Unified Multimodal Identity Replacement Video Generation
Vorch Team(Vorch团队);Fudan University(复旦大学)
Vorch-IR是基于LTX2的统一多模态视频身份替换框架,支持单人、双人身份及可选背景替换,通过自动数据构建流水线与时间重叠推理策略,实现长视频生成,在身份保留、动作保真等方面表现出色。
2026-10-26 cs.CV
A Latent Transformer for Disentangled Face Editing in Images and Videos
Télécom Paris, Institut Polytechnique de Paris(巴黎高等电信学院,巴黎综合理工学院);InterDigital R&I(InterDigital研究与创新部门)
高质量的面部图像编辑是电影后期制作行业中具有挑战性的问题,需要高度的控制和身份保护。以往试图解决这一问题的作品可能会遭遇面部属性的纠缠和人的身份的丧失。此外,许多算法仅限于特定的任务。为了解决这些限制,我们建议通过StyleGAN生成器的潜在空间编辑面部属性,通过训练专用的潜在转换网络,并在损失函数中加入显式解纠缠和身份保留项。我们还引入了一个管道来将我们的面部编辑推广到视频。我们的模型实现了一个解开的,可控的,和身份保护的面部属性编辑,即使在具有挑战性的情况下,真正的(即,非合成)图像和视频。我们对图像和视频数据集进行了广泛的实验,并表明我们的模型在视觉质量和定量评价方面优于其他最先进的方法。源代码可在https://github.com/InterDigitalInc/latent-transformer上获得。
2021-08-17 cs.CV
VividPose: Advancing Stable Video Diffusion for Realistic Human Image Animation
Fudan University(复旦大学);Tencent Youtu Lab(腾讯优图实验室)
VividPose提出基于稳定视频扩散的端到端人体图像动画方法,通过身份感知外观控制器和几何感知姿态控制器,在UBCFashion和TikTok基准上达到最先进性能,并展现出良好的泛化能力。
2024-05-28 cs.CV
From Synthetic to Real: Toward Identity-Consistent Makeup Transfer with Synthetic and Real Data
College of Computer Science and Artificial Intelligence, Fudan University(复旦大学计算机科学与人工智能学院);Institute of Trustworthy Embodied AI, Fudan University(复旦大学可信具身人工智能研究院)
本文提出ConsistentBeauty和RealBeauty方法,通过合成数据筛选和强化学习提升化妆转移的逼真度与身份一致性,并建立多样化基准测试以评估模型在复杂真实场景中的性能。
2026-07-31 cs.CV
OpenSubject: Leveraging Video-Derived Identity and Diversity Priors for Subject-driven Image Generation and Manipulation
HKUST(香港科技大学);Meituan(美团);HKUST(GZ)(香港科技大学(广州))
OpenSubject通过视频衍生的大规模数据集提升主体驱动图像生成与操纵的性能,尤其在复杂场景中表现更优。
2025-12-10 cs.CV
SIGMA-GEN: Structure and Identity Guided Multi-subject Assembly for Image Generation
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Adobe Research(Adobe研究院)
SIGMA-GEN提出统一框架,支持结构空间约束下的单次多身份图像生成,并引入SIGMA-SET27K数据集,实现身份保持、质量和速度的最先进性能。
2025-10-07 cs.CV
PolyVivid: Vivid Multi-Subject Video Generation with Cross-Modal Interaction and Enhancement
Shanghai Jiao Tong University(上海交通大学);Tencent Hunyuan(腾讯文英);Zhejiang University(浙江大学)
提出 PolyVivid 多主体视频定制框架,通过 VLLM 文本-图像融合、3D-RoPE 增强、注意力继承身份注入及 MLLM 数据流水线,实现身份一致且交互自然的高质量视频生成。
2025-06-09 cs.AI cs.CV
DiffLoRA: Generating Personalized Low-Rank Adaptation Weights with Diffusion
University of Electronic Science and Technology of China(电子科技大学)
本文提出DiffLoRA方法,利用扩散模型作为超网络预测个性化LoRA权重,实现零样本个性化文本到图像生成,兼顾效率与身份保真度。
2024-11-15 cs.AI cs.CV
RID-TWIN: An end-to-end pipeline for automatic face de-identification in videos
IIITB(印度信息技术研究所班加罗尔分校);MINRO center(MINRO中心)
提出RID-Twin流水线,利用生成模型解耦身份与运动,实现视频人脸自动去识别,并在VoxCeleb2及自定义数据集上验证,兼顾真实性与时间连贯性。
2024-03-15 cs.CV
RoboVIP: Multi-View Video Generation with Visual Identity Prompting Augments Robot Manipulation
Shanghai AI Laboratory(上海人工智能实验室);Tsinghua University(清华大学);Shanghai Jiao Tong University(上海交通大学);University of Michigan(密歇根大学)
RoboVIP通过引入视觉身份提示和可扩展的视觉身份池,提升机器人操控数据的质量与多样性,从而增强视觉语言-动作和视觉-运动政策模型的性能。
2026-01-08 cs.AI cs.CV cs.RO
Adaptive Identity Anchoring: Closed-Loop Keyframe Placement for Synthetic Paired Supervision in Video Face Swapping
研究视频人脸交换缺乏自然配对监督问题,提出自适应身份锚定(AIA)方法,通过闭环反馈放置锚定并结合现实参考纹理恢复,还给出可证伪实验,有望解决合成身份漂移及过度平滑皮肤问题。
2026-07-24 cs.AI cs.CV
Lights, Camera, Consistency: A Multistage Pipeline for Character-Stable AI Video Stories
BITS Pilani, Pilani Campus, India(印度比斯汉尼学院帕利尼校区)
本文提出了一种多阶段管道,通过生成详细剧本并利用视觉锚点来提升AI生成视频故事中角色的一致性。
2025-12-17 cs.AI cs.CV